考虑保质期约束的生鲜品的协同生产与配送研究

【目的】考虑到生鲜品易变质的特点,为了减少产品腐坏,降低生鲜厂商供应过程的各类成本,提出了一个随机需求下多时段、多产品的生鲜品协同生产与配送问题。【方法】引入了逻辑斯蒂方程来表示保质期和变质成本的关系,将产品新鲜度的因素加入到目标函数中,建立生鲜品协同生产与配送过程的模型,并用数值例子进行验证,最后将协同优化与单独优化得到的最小总成本做仿真对比分析。【结果】所建模型可以在满足顾客对生鲜品需求的前提下有效地减少保质期的损耗,降低变质成本,得到整个过程的最低总成本。【结论】考虑生鲜品保质期约束的模型对生鲜厂商的实际供应过程有一定的指导意义,且通过仿真对比分析证明了提出的协同优化效果更好,问题模型越复杂,协同生产与配送优化的效果越明显。
     

基于改进遗传算法的多车场生鲜配送优化

针对生鲜产品易腐烂特性与对配送及时性的高要求,构建以制冷成本、燃油成本、损耗成本、时间惩罚成本、产品固定运输成本和车辆固定成本的总成本最小函数,并考虑顾客的位置、车辆载重及时间窗约束,建立多车场生鲜配送模型,使用K-means聚类对算例中的客户群进行车场划分后,采用变邻域下降搜索策略和模拟退火算法对遗传算法进行改进,利用改进后的遗传算法计算得出优化后的车辆配送路线。通过对改进后的遗传算法与传统的自适应遗传算法对比后,结果表明各项成本都有不同程度的减少,且总成本减少了14.6%,从而验证改进后算法的优势,达到减少配送成本、满足配送及时性和提升顾客满意度的目的。     

时变路网环境下多温冷链配送路径优化研究

【目的】生鲜产品在冷链物流配送过程中的新鲜度及货损成本与配送行程所耗时间密切相关,而配送车辆在城市路网中不同时段行驶的速度不同,基于此在考虑了道路交通状况的时变路网特性之后研究配送的优化问题。【方法】针对时变路网环境下的多温区产品配送车辆调度问题,考虑载重质量与车厢容积及时间窗约束,建立由运输成本、货损成本及制冷成本构成的目标为总配送成本最小的数学优化模型,设计基于模拟退火算法的求解程序,并用MATLAB对实例进行求解。【结果】与以往研究中用平均速度方法求解出时间变量的方法不同,通过时变路网理论及模型求解,验证了时变路网环境下冷链配送路径优化模型及算法的有效性。【结论】结合时变路网,改进了货损成本中腐败函数的时间变量求解方法,刻画了各配送车辆每完成一个客户的配送后,车辆剩余货物在余下配送时间里货损成本继续发生的动态过程。     

考虑客户满意度的物流公司终端配送线路优化

【目的】针对物流公司终端配送线路优化问题,考虑客户满意度以及退货情况对配送方案的影响,力图优化配送线路,提高客户满意度。【方法】分析不同客户(收货、发货、退货)的特点,建立了基于软时间窗的顾客满意度函数,并构建了以配送总成本最低为目标的混合整数规划模型,进一步根据终端配送问题的特征设计了求解模型的模拟退火算法,最后通过Matlab软件和具体算例,进行模拟计算。【结果】通过比较有无考虑客户服务时间的两种情况的求解结果,验证了该算法的有效性和实用性。【结论】考虑终端配送过程中客户满意度以及退货情况的发生,可以减少配送成本、节约配送时间、提高客户满意度,极大地提高物流公司竞争力。     

生鲜品多中心区域协作半开放式配送路径研究

针对生鲜产品区域配送问题,在新物流理念下,建立了区域协作下多中心半开放式配送路径.鉴于生鲜品配送的独特性,将时间窗及满意度考虑在内,构建在时间惩罚、满意度指标及路径约束条件下的成本优化模型.结合A生鲜企业数据,设计了一种改进的自适应遗传算法与变邻域搜索算法相结合的混合算法解决问题.通过仿真实验证明模型合理性以及算法实效性.实验表明,区域协作下多中心半开放式配送方案对比各区域独立封闭式配送方案具有改进性,提高了物流配送的效率,降低成本同时保证高客户满意度,有助于生鲜配送企业整体发展.并在此基础上,对生鲜配送企业进一步发展提出建议.     

考虑激增需求下前置仓两阶段选址研究

【目的】考虑时效、成本、效率等关键词目标下，对激增需求下生鲜电商前置仓的两阶段选址问题进行研究。【方法】首先基于前置仓的配送范围和订单处理量，以生鲜电商企业的利润最大化为目标函数，建立了正常需求与激增需求下的前置仓选址模型，并运用一种基于遗传算法的K-means聚类算法对两阶段选址进行求解。【结果】与以往从备选地址中选择最终地址的研究不同，在本研究中通过直接考虑用户地址和需求情况进行建模求解，验证了改进后的方法的可行性和有效性。【结论】结合需求激增，刻画了需求变化情况下的两阶段选址的动态过程。     

基于库存成本的连锁零售企业配送网络设计

研究了需求不确定的连锁零售企业配送网络设计及其库存决策的联合优化问题. 以门店和配送中心服务水平为约束条件,详细分析连锁企业内部的二级库存成本,并综合考虑运输成本和配送中心选址成本,建立配送系统年总成本优化模型.以系统总成本最小为目标,运用遗传算法求解该优化模型,在得到最优配送网络方案的同时,确定系统安全库存因子及门店的订货周期.通过算例仿真验证模型和算法的有效性,并分析需求、运输距离和选址成本等因素对系统总成本的影响,为连锁零售企业的物流配送网络设计及库存控制提供决策支持.     

考虑客户购买行为的易腐食品生产配送协同研究

随着客户对易腐食品新鲜度的要求不断提高,为了更好地满足客户需求,避免生产配送计划与客户购买行为间的信息不对称,文章以生产商利润最大为目标,提出店铺直送(direct store delivery,DSD)经营模式下的单生产商、多产品、多零售商、多时段的易腐食品生产配送协同计划模型,推导出关于产品新鲜度和质量风险的需求函数,模仿消费者对易腐食品的购买态度,在生产配送计划中加入保质期和客户购买行为约束,并采用蓄冷式多温共配模式对产品进行配送;最后用数值例子验证模型的有效性。研究结果表明,在易腐食品生产配送模型中考虑客户购买行为会提高生产商的利润,且产品质量风险越高,保质期越短,利润提高越多。     

带软时间窗的多商品需求可拆分两阶段车辆路径问题研究

【目的】干线、支线作为电商企业物流配送的关键环节,其协同优化对降本增效意义重大。【方法】基于干线、支线实际运营特征,提炼出软时间窗、多车场、多商品、需求可拆分两阶段车辆路径问题,建立以车辆路径成本、固定派车成本和惩罚成本（违反配送时间要求）为优化目标的混合整数规划模型,基于派车次数和运输距离节约的贪婪思想,设计高效启发式求解算法,并借助27个小规模算例和8个较大规模算例对模型和算法的求解效果进行验证。【结果】实验结果表明：1）借助优化软件,模型在2个小时内能够求解5个区域中心仓库、20个中转仓库、4种商品的算例;2）所设计的启发式算法能够在较短时间内对现实中的较大规模问题求出可行解,求解能力和求解效率远优于优化软件CPLEX;3）问题复杂度随着问题规模（区域中心仓库数量、中转仓库数量、商品种类数量）增加急剧增加,中转仓库数量对问题复杂度的影响最大,区域中心仓库数量的影响次之,商品种类数的影响最小。4）针对较小规模算例,干线配送成本占比较大,随着算例规模增加,支线环节派车数量增幅较大,进而导致支线配送成本明显增加;5）增加车辆工作时长后,干线环节派车数量减幅较大,总配送成本显著降低。放宽第二阶段车容量限制,第二配送阶段的用车数量大幅度降低;【结论】研究成果不仅可拓展两阶段车辆路径问题现有理论,而且有助于电商企业实现多级配送网络高效协同运作;此外,通过优化配送方案,减少派车次数,有助于缓解城市交通压力,改善城市交通环境。     

“绿色”物流配送中心选址

绿色配送能够实现货物在配送过程中减少对环境的危害,对改善环境具有现实的意义。本文综合考虑物流运作中各环节的碳排放和电子商务下的物流配送的特殊性,研究配送过程中的固定建设成本、运输及配送成本和碳排放成本,合理设置物流配送中心优化模型中的时间约束条件,从而构建基于碳排放成本和总成本的物流配送中心选址模型。系统仿真案例的验证结果表明:本文提出的配送中心选址模型与当前有效可行的同类模型相比,不仅具有同等的低配送成本,而且体现出更为优越的低碳性,进而达到低碳物流的发展目标,同时也能满足顾客对时效性的要求,提高客户满意度。     

基于 NSGA-Ⅱ 的考虑客户满意度的多目标车辆路径问题研究

【目的】研究考虑客户满意度最大和总成本最小的车辆路径问题。【方法】引入了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解，并采用Python进行程序编写，选取Solomon 的标准测试数据进行数值实验。【结果】建立客户满意度最大和企业总成本最小的双目标优化模型，实现了车辆数、客户满意度、总路径长度以及成本费用的优化。【结论】实验结果表明所建立的优化模型能够在给客户带来高质量服务的同时，较好地降低成本，对物流企业的配送决策提供一定的参考价值。     

疫情防控背景下生鲜物资运输路径优化

 疫情防控背景下，消费者居家隔离导致以小区为单位的生鲜物资需求激增，而复工不足导致生鲜企业配送能力有限，生鲜物资运输受到更多挑战。基于生鲜企业配送时间限制，考虑生鲜物资的保存时间与防疫用品的防护时间，以消费者所在小区为需求点，构建疫情背景下生鲜物资运输路径优化模型，并根据模型设计了一种遗传算法进行快速求解，在完成配送任务的前提下，得到最优运输方案，最小化企业配送成本。同时，分析了不同需求情况下所需车辆数的变化，计算结果表明所需车辆数并未随需求同倍增加。     

基于订单拆分的容量限制商超配送路径规划

针对商超配送中多种配送方式共同面临的车辆配载和路径规划问题,考虑配送车辆容量限制,以最小化配送总成本为目标,构建了基于订单拆分的带容量限制商超配送路径规划模型.结合真实案例,提出了一种增加遗传变异操作的改进灰狼优化算法.通过与遗传算法的对比,验证了模型和算法的有效性.案例分析结果表明,当总商超客户需求量接近车辆容量的整数倍时,基于订单拆分配送路径规划更能够充分地利用车容量,降低车辆的空驶率,减少配送总成本.     

基于遗传算法的最小成本配送策略研究

从配送环节中车辆装载货物角度考虑,配送方式可分为按门店配送和按货物种类配送2种配送方式。文章以车辆行驶成本、车辆固定成本与装卸货成本为总成本的优化目标,对2种配送方式分别建立成本最小化数学模型,并运用遗传算法对2种配送模型进行求解。通过仿真实验比较2种配送方式在不同因素的下最小成本,为企业提供合理的配送策略及车辆行驶路线。     

基于蚁群-免疫算法的组团弹性物流配送优化

为有效降低烟草配送成本,从配送与补货角度,提出组团式新型物流配送模式.结合位置、需求与补货周期等信息,将需求点按小组划分,建立了组团弹性配送优化模型.以配送路径最短为目标,设计了组团弹性模式下的蚁群-免疫算法,实现了对配送路径的优化和仿真.通过实验例证和对比分析,验证了模型可行性与算法的有效性.     

带时间窗的蓄冷式多温共配冷链配送问题研究

【目的】随着社会货物多样性需求的增大,多温共配不断发展,而蓄冷式MTJD又是冷链物流行业中一个新型的概念。【方法】针对蓄冷式MTJD模式下的多温度需求货物的配送调度问题,考虑时间窗约束,建立了以总配送成本最小为目标的混合整数规划模型,其中总配送成本主要包括蓄冷箱成本、车辆运输成本和惩罚成本等。针对该模型,设计了适合求解蓄冷式MTJD模型的染色体编码方式以及遗传算子,对算例进行求解。并通过利用Cplex对算例重新编写代码、求解,验证了遗传算法的有效性。【结果】蓄冷式MTJD的各个区间的温度可以根据需求自由地设置,保温性能也明显优于机械式冷冻车厢区隔式MTJD。【结论】蓄冷式MTJD在配送成本上相较于传统冷链配送模式以及机械式冷冻车厢区隔式MTJD具有明显优势,是一种值得推广的冷链物流配送模式。     

带时间窗的蓄冷式多温共配冷链配送问题研究

【目的】随着社会货物多样性需求的增大,多温共配不断发展,而蓄冷式 MTJD 又是冷链物流行业中一个新型的概念。【方法】针对蓄冷式 MTJD 模式下的多温度需求货物的配送调度问题,考虑时间窗约束,建立了以总配送成本最小为目标的混合整数规划模型,其中总配送成本主要包括蓄冷箱成本、车辆运输成本和惩罚成本等。针对该模型,设计了适合求解蓄冷式 MTJD 模型的染色体编码方式以及遗传算子,对算例进行求解。并通过利用 Cplex 对算例重新编写代码、求解,验证了遗传算法的有效性。【结果】蓄冷式 MTJD 的各个区间的温度可以根据需求自由地设置,保温性能也明显优于机械式冷冻车厢区隔式 MTJD 。【结论】蓄冷式 MTJD 在配送成本上相较于传统冷链配送模式以及机械式冷冻车厢区隔式 MTJD 具有明显优势,是一种值得推广的冷链物流配送模式。
     

突发性公共卫生事件下横纵结合应急物资配送模式

考虑到突发性公共卫生事件下的应急物资的时效性以及应急救援工作需要在多受灾点同时展开这一实际,提出了将疫区与疫区之间横向配送和物资分配中心与疫区之间的纵向配送相结合的应急物资配送模式。首先,在满足配送时间的前提下以总成本最小为目标,构建了横纵结合的物流配送路径优化模型;其次运用聚类分析和引入了逆转操作的遗传算法进行求解;最后通过算例仿真将提出的配送模式与常规配送模式进行比较。算例结果表明,提出的横纵结合应急物流配送模型使总成本降低了10.72%,惩罚成本减少了52.98%,验证了模型及算法的有效性和可行性,可为未来的应急物资配送问题提供参考。     

考虑乘客需求特性的DRC公交运行周期优化

考虑乘客需求特征,构建了单车双周期运行模式下DRC运行周期的优化方法。首先刻画乘客需求特征,然后根据出行分布的不均匀性、乘客取消预订等构建乘客出行成本函数,并与运营商成本叠加形成总成本函数,以系统总成本最小为目标构建运行周期优化模型,并基于遗传算法设计求解算法。通过多组仿真试验表明,DRC最佳运行周期随接送乘客比例和取消预订乘客比例变化;取消预订乘客数越多,则周期越长;当乘客数一定时,运行周期越长,则总成本越大。     

考虑需求紧迫度的区域应急物资配送优化——以上海市为例

为提高应急工作的救援效率、应急物资运送的时效性,提出在受灾点需求紧迫度影响下的应急物资配送路径优化模型。建立受灾点需求紧迫度评价体系,利用熵权TOPSIS法求出受灾点的需求紧迫度。将需求紧迫度引入路径优化模型,在尽可能满足受灾点需求紧迫度优先级的情况下,构建总成本最低与应急物资运输时间最短的双目标路径优化模型,设计改进遗传-模拟退火组合算法求解。以上海市为算例背景,运用MATLAB进行仿真,研究结果表明：考虑需求紧迫度模型的总成本比不考虑需求紧迫度模型的总成本减少了13.48%,缩短了应急物资运输时间,遗传-模拟退火组合算法可以在保证收敛速度较快的前提下,较好地实现搜索全局最优的目标。